How to train employees to have difficult conversations | Tamekia MizLadi Smith

113,414 views ・ 2018-08-20

TED


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

תרגום: yael ring עריכה: Ido Dekkers
00:12
We live in a world where the collection of data
0
12968
2198
אנחנו חיים בעולם בו איסוף מידע
00:15
is happening 24 hours a day, seven days a week,
1
15190
2548
מתרחש 24 שעות ביום, 7 ימים בשבוע,
00:17
365 days a year.
2
17762
2293
365 ימים בשנה.
00:20
This data is usually collected by what we call a front-desk specialist now.
3
20730
4323
המידע הזה בדרך כלל נאסף על ידי מי שאנחנו מכנים אותם כיום מומחי דלפק קבלה.
00:25
These are the retail clerks at your favorite department stores,
4
25077
3120
אלו המוכרים בחנות הבגדים האהובה עליכם,
00:28
the cashiers at the grocery stores,
5
28221
2443
הקופאים במכולת,
00:30
the registration specialists at the hospital
6
30688
2605
מומחי הרישום בבית החולים,
00:33
and even the person that sold you your last movie ticket.
7
33317
3114
ואפילו האדם שמכר לכם את כרטיס הקולנוע האחרון שלכם.
00:36
They ask discreet questions, like: "May I please have your zip code?"
8
36908
3875
הם שואלים שאלות דיסקרטיות כמו: "אפשר בבקשה את המיקוד שלך"?
00:40
Or, "Would you like to use your savings card today?"
9
40807
3111
או "האם תרצה להשתמש בנקודות החסכון שלך היום"?
00:44
All of which gives us data.
10
44369
2309
כל אלה נותנים לנו מידע.
00:46
However, the conversation becomes a little bit more complex
11
46702
4587
עם זאת, השיחה הופכת להיות קצת יותר מסובכת
00:51
when the more difficult questions need to be asked.
12
51313
3318
כשעולה הצורך לשאול את השאלות הקשות יותר.
00:54
Let me tell you a story, see.
13
54655
1793
תנו לי לספר לכם סיפור, אתם רואים.
00:56
Once upon a time, there was a woman named Miss Margaret.
14
56750
3018
פעם אחת היתה אשה בשם מיס מרגרט.
00:59
Miss Margaret had been a front-desk specialist
15
59792
2151
מיס מרגרט היתה מומחית לדלפק קבלה
01:01
for almost 20 years.
16
61967
1460
במשך כמעט 20 שנה.
01:03
And in all that time, she has never, and I do mean never,
17
63451
3817
ובכל הזמן הזה היא אף פעם, ואני מתכוונת אף פעם,
01:07
had to ask a patient their gender, race or ethnicity.
18
67292
3520
לא היתה צריכה לשאול מטופל מה המין שלו, הגזע שלו או הרקע האתני שלו
01:10
Because, see, now Miss Margaret has the ability to just look at you.
19
70836
3223
כי, אתם מבינים, למיס מרגרט יש את היכולת פשוט להתבונן בך.
01:14
Uh-huh.
20
74083
1158
אהה.
01:15
And she can tell if you are a boy or a girl,
21
75265
2777
והיא יודעת אם אתה בן או בת,
01:18
black or white, American or non-American.
22
78066
3237
שחור או לבן, אמריקאי או לא אמריקאי.
01:21
And in her mind, those were the only categories.
23
81327
3238
ובראשה אלו הקטגוריות היחידות.
01:24
So imagine that grave day,
24
84589
2016
אז דמיינו את אותו יום קשה,
01:26
when her sassy supervisor invited her to this "change everything" meeting
25
86629
4893
כשהמפקחת החצופה שלה הזמינה אותה לפגישת "שינוי כללי"
01:31
and told her that would have to ask each and every last one of her patients
26
91546
3634
ואמרה לה שהיא תצטרך לבקש מכל אחד מהמטופלים שלה
01:35
to self-identify.
27
95204
1405
להזדהות באופן אישי.
01:36
She gave her six genders, eight races and over 100 ethnicities.
28
96633
4770
היא נתנה לה ששה סוגי מגדר, שמונה גזעים ומעל למאה רקעים אתניים.
01:41
Well, now, Miss Margaret was appalled.
29
101427
2588
ובכן, מיס מרגרט הזדעזעה,
01:44
I mean, highly offended.
30
104039
1397
אני מתכוונת, היא ממש נפגעה,
01:45
So much so that she marched down to that human-resource department
31
105460
3331
עד כדי כך שהיא שהיא נכנסה למחלקת כוח אדם
01:48
to see if she was eligible for an early retirement.
32
108815
2524
כדי לראות אם היא יכולה לפרוש לפנסיה מוקדמת.
01:51
And she ended her rant by saying
33
111363
1960
והיא סיימה את הקיטורים שלה באמירה
01:53
that her sassy supervisor invited her to this "change everything" meeting
34
113347
4870
שהמפקחת החצופה שלה הזמינה אותה לפגישת "שינוי כללי"
01:58
and didn't, didn't, even, even
35
118241
2024
ואפילו, אפילו, לא, לא
02:00
bring, bring food, food, food, food.
36
120289
3028
הביאה, הביאה, אוכל, אוכל, אוכל.
02:03
(Laughter)
37
123341
1154
(צחוק)
02:04
(Applause) (Cheers)
38
124519
5067
(מחיאות כפיים) (קריאות)
02:10
You know you've got to bring food to these meetings.
39
130681
2434
אתם יודעים שצריך להביא אוכל לפגישות כאלה.
02:13
(Laughter)
40
133139
2343
(צחוק)
02:15
Anyway.
41
135506
1159
בכל מקרה.
02:16
(Laughter)
42
136689
1508
(צחוק)
02:18
Now, that was an example of a healthcare setting,
43
138221
2769
זאת היתה דוגמה למצב מתוך מערכת הבריאות,
02:21
but of course, all businesses collect some form of data.
44
141014
3333
אבל כמובן, כל בתי העסק אוספים סוג כלשהו של מידע.
02:24
True story: I was going to wire some money.
45
144371
3142
סיפור אמיתי: רציתי להעביר כסף
02:28
And the customer service representative asked me
46
148165
2555
ונציגת שירות הלקוחות שאלה אותי
02:30
if I was born in the United States.
47
150744
2334
אם נולדתי בארצות הברית.
02:33
Now, I hesitated to answer her question,
48
153419
2381
עכשיו, היססתי אם לענות לשאלה שלה,
02:35
and before she even realized why I hesitated,
49
155824
3130
ולפני שהיא אפילו הבינה למה היססתי,
02:38
she began to throw the company she worked for under the bus.
50
158978
3015
היא התחילה לזרוק את החברה עבורה היא עבדה מתחת לגלגלים.
02:42
She said, "Girl, I know it's stupid, but they makin' us ask this question."
51
162017
5072
היא אמרה, "מותק, אני יודעת שזה טיפשי אבל הם מכריחים אותנו לשאול את השאלה הזאת".
02:47
(Laughter)
52
167113
1151
(צחוק)
02:48
Because of the way she presented it to me,
53
168288
2073
בגלל האופן בו היא הציגה את זה לי,
02:50
I was like, "Girl, why?
54
170385
1600
אני הגבתי ב"מותק, למה?
02:52
Why they makin' you ask this question?
55
172561
2230
למה הם מכריחים אתכם לשאול את השאלה הזאת?
02:54
Is they deportin' people?"
56
174815
1802
האם הם מגרשים אנשים"?
02:56
(Laughter)
57
176641
2142
(צחוק)
02:58
But then I had to turn on the other side of me,
58
178807
2222
אבל הייתי צריכה להפעיל את הצד השני שלי,
03:01
the more professional speaker-poet side of me.
59
181053
2568
הצד היותר מקצועי, הדוברת-משוררת שלי.
03:04
The one that understood that there were little Miss Margarets all over the place.
60
184164
4150
האחד שהבין שיש מלא מיס מרגרט קטנות בכל מקום.
03:08
People who were good people, maybe even good employees,
61
188871
2968
אנשים שהם אנשים טובים, אולי אפילו עובדים טובים,
03:11
but lacked the ability to ask their questions properly
62
191863
2552
אבל שאין להם את היכולת לשאול את השאלות בצורה מתאימה
03:14
and unfortunately, that made her look bad,
63
194439
2535
ולרוע המזל זה הציג אותה באור שלילי,
03:16
but the worst, that made the business look even worse
64
196998
3246
אבל יותר מזה זה הציג את בית העסק באור עוד יותר גרוע
03:20
than how she was looking.
65
200268
1666
ממנה.
03:22
Because she had no idea who I was.
66
202236
1767
בגלל שלא היה לה שום מושג מי אני.
03:24
I mean, I literally could have been a woman who was scheduled to do a TED Talk
67
204027
3685
אני מתכוונת, אני יכולתי להיות אשה שאמורה להעביר שיחת TED
03:27
and would use her as an example.
68
207736
1778
ותשתמש בה כדוגמא.
03:29
Imagine that.
69
209538
1300
דמיינו את זה.
03:30
(Applause)
70
210862
4262
(מחיאות כפיים)
03:35
And unfortunately,
71
215148
1183
ולרוע המזל מה שקורה הוא
03:36
what happens is people would decline to answer the questions,
72
216355
2895
שאנשים מסרבים לענות על השאלות האלה
03:39
because they feel like you would use the information
73
219274
2509
כי הם מרגישים שאתם תשתמשו במידע הזה
03:41
to discriminate against them,
74
221807
1425
להפלות נגדם,
03:43
all because of how you presented the information.
75
223256
2391
והכל בגלל האופן שבו אתם הצגתם את המידע.
03:45
And at that point, we get bad data.
76
225671
1778
ובנקודה הזאת אנחנו מקבלים מידע רע.
03:47
And everybody knows what bad data does.
77
227473
2111
וכולם יודעים מה מידע רע עושה.
03:49
Bad data costs you time, it costs you money
78
229608
2793
מידע רע עולה לך בזמן, הוא עולה לך בכסף,
03:52
and it costs you resources.
79
232425
1946
והוא עולה לך במשאבים.
03:54
Unfortunately, when you have bad data,
80
234395
2563
לרוע המזל כשיש לך מידע רע,
03:56
it also costs you a lot more,
81
236982
3079
הוא גם עולה לך הרבה יותר
04:00
because we have health disparities,
82
240085
2395
בגלל שיש לנו פערי בריאות,
04:02
and we have social determinants of health,
83
242504
2214
ויש לנו גורמים חברתיים לבריאות,
04:04
and we have the infant mortality,
84
244742
1658
ויש לנו תמותת תינוקות,
04:06
all of which depends on the data that we collect,
85
246424
2643
כל אלה תלויים במידע אותו אנו אוספים.
04:09
and if we have bad data, than we have those issues still.
86
249091
3248
ואם יש לנו מידע רע, אותן בעיות עדיין קיימות,
04:12
And we have underprivileged populations
87
252363
1899
ויש לנו אוכלוסיות מוחלשות
04:14
that remain unfortunate and underprivileged,
88
254286
2791
שנותרות חסרות מזל ומוחלשות.
04:17
because the data that we're using is either outdated,
89
257101
3926
בגלל שהמידע בו אנחנו משתמשים הוא או לא עדכני,
04:21
or is not good at all or we don't have anything at all.
90
261051
3293
או שאינו טוב בכלל, או שאין לנו שום מידע בכלל.
04:24
Now, wouldn't it be amazing if people like Miss Margaret
91
264987
2636
האם זה לא היה מדהים אם אנשים כמו מיס מרגרט
04:27
and the customer-service representative at the wiring place
92
267647
3150
ונציגת שירות הלקוחות בחברת העברת הכסף
04:30
were graced to collect data with compassionate care?
93
270821
4374
היה את היכולת לאסוף מידע באופן שמביע חמלה?
04:35
Can I explain to you what I mean by "graced?"
94
275562
2317
האם אני יכולה להסביר לכם למה אני מתכוונת ביכולת הזו?
04:38
I wrote an acrostic poem.
95
278324
1666
כתבתי שיר אקרוסטיכון.
04:40
G: Getting the front desk specialist involved and letting them know
96
280300
4773
G: היכולת להביא למעורבות של המומחה דלפק הקבלה ולהטמיע בהם את
04:45
R: the Relevance of their role as they become
97
285097
3953
R: הרלוונטיות של התפקיד שלהם כשהם הופכים ל..
04:49
A: Accountable for the accuracy of data while implementing
98
289074
3531
A: אחראים לדיוק של המידע ובמקביל יישום של
04:52
C: Compassionate care within all encounters by becoming
99
292629
4044
C: חמלה בכל המפגשים שלהם על ידי הפיכתם ל...
04:56
E: Equipped with the education needed to inform people
100
296697
3301
E: מצוידים בכל החינוך הנדרש ליידע אנשים מדוע
05:00
of why data collection is so important.
101
300022
3293
D: איסוף מידע הוא כל כך חשוב.
05:04
(Applause)
102
304315
2949
(מחיאות כפיים)
05:07
Now, I'm an artist.
103
307288
2096
עכשיו, אני אמנית.
05:09
And so what happens with me
104
309408
1674
אז מה שקורה אצלי
05:11
is that when I create something artistically,
105
311106
2174
הוא שכשאני יוצרת משהו אמנותי,
05:13
the trainer in me is awakened as well.
106
313304
1923
המאמנת שבי גם היא מתעוררת,
05:15
So what I did was, I began to develop that acrostic poem into a full training
107
315251
4072
אז מה שעשיתי הוא שהפכתי את האקרוסטיכון ההוא לאימון מלא
05:19
entitled "I'm G.R.A.C.E.D."
108
319347
1548
שנקרא "אני G.R.A.C.E.D. (מלא חמלה)"
05:20
Because I remember, being the front-desk specialist,
109
320919
2841
כדי אני זוכרת מה זה להיות אותה מומחית דלפק קבלה,
05:23
and when I went to the office of equity to start working,
110
323784
2674
וכשהלכתי למשרד להון בריאותי להתחיל בעבודה,
05:26
I was like, "Is that why they asked us to ask that question?"
111
326482
3555
שאלתי "האם זו הסיבה בגללה הם רוצים שנשאל את השאלה הזו"?
05:30
It all became a bright light to me,
112
330061
1768
הכל התבהר לי,
05:31
and I realized that I asked people and I told people about --
113
331853
3637
והבנתי שאני שואלת ואומרת לאנשים --
05:35
I called them by the wrong gender, I called them by the wrong race,
114
335514
3284
שמתי להם את המגדר הלא נכון, שמתי להם את הגזע הלא נכון,
05:38
I called them by the wrong ethnicity,
115
338822
1803
שמתי להם את הרקע האתני הלא נכון,
05:40
and the environment became hostile,
116
340649
2007
והאווירה הפכה לעוינת,
05:42
people was offended and I was frustrated because I was not graced.
117
342680
4284
אנשים נפגעו ואני הייתי מתוסכלת כי לא היתה לי חמלה.
05:46
I remember my computerized training,
118
346988
2587
אני זוכרת את ההכשרה המקוונת שלי,
05:49
and unfortunately, that training did not prepare me to deescalate a situation.
119
349599
5626
ולרוע המזל, ההכשרה הזאת לא הכינה אותי לנטרל מצב.
05:55
It did not prepare me to have teachable moments when I had questions
120
355249
3376
היא לא הכינה אותי למצבי חינוך כשנתקלתי בשאלות
05:58
about asking the questions.
121
358649
1658
על השאלות ששאלתי.
06:00
I would look at the computer and say, "So, what do I do when this happens?"
122
360331
3564
הייתי מסתכלת על המחשב ואומרת, "אז מה אני עושה כשזה קורה"?
06:03
And the computer would say ...
123
363919
1858
והמחשב היה אומר --
06:05
nothing, because a computer cannot talk back to you.
124
365801
3268
"כלום", כי מחשב לא יכול לענות לך.
06:09
(Laughter)
125
369093
3207
(צחוק)
06:12
So that's the importance of having someone there
126
372324
2571
אז זה החשיבות של אותו אדם
06:14
who was trained to teach you and tell you what you do
127
374919
2777
שמוכשר ללמד אותך ולומר לך מה אתה עושה
06:17
in situations like that.
128
377720
1690
במצבים כאלה.
06:20
So, when I created the "I'm G.R.A.C.E.D" training,
129
380030
2626
אז כשיצרתי את אימון ה"אני G.R.A.C.E.D",
06:22
I created it with that experience that I had in mind,
130
382680
2994
יצרתי אותו תוך כדי חשיבה על אותו ניסיון שעברתי
06:25
but also that conviction that I had in mind.
131
385698
2516
אבל גם אותה הבנה.
06:28
Because I wanted the instructional design of it
132
388238
2253
בגלל שרציתי שהעיצוב התבניתי של זה
06:30
to be a safe space for open dialogue for people.
133
390515
2778
יהווה מרחב בטוח לדיאלוג פתוח בין אנשים.
06:33
I wanted to talk about biases,
134
393317
1895
רציתי לדבר על דעות קדומות,
06:35
the unconscious ones and the conscious ones,
135
395236
2397
אלו הבלתי מודעות והמודעות,
06:37
and what we do.
136
397657
1166
ומה אנחנו עושים.
06:38
Because now I know that when you engage people in the why,
137
398847
3944
כי עכשיו אני יודעת שכאתה מערב אנשים ב"למה",
06:42
it challenges their perspective, and it changes their attitudes.
138
402815
3476
זה מציב אתגר לתפיסת העולם שלהם, ומשנה את הגישה שלהם.
06:46
Now I know that data that we have at the front desk
139
406315
3159
עכשיו אני יודעת שהמידע שאנחנו אוספים בדלפק הקבלה
06:49
translates into research that eliminates disparities and finds cures.
140
409498
4813
מתורגם למחקר שמגשר על פערים ומוצא תרופות.
06:54
Now I know that teaching people transitional change
141
414335
3706
עכשיו אני יודעת שהכשרת אנשים לשינוי בשלבים
06:58
instead of shocking them into change
142
418065
2846
במקום להמם אותם בשינוי
07:00
is always a better way of implementing change.
143
420935
3255
הוא תמיד הדרך הטובה יותר להטמעה של שינוי.
07:04
See, now I know people are more likely to share information
144
424214
3046
אתם רואים, עכשיו אני יודעת שאנשים יטו לחלוק מידע
07:07
when they are treated with respect by knowledgeable staff members.
145
427284
3859
כשאנשי צוות מיודעים מתייחסים אליהם בכבוד.
07:11
Now I know that you don't have to be a statistician
146
431167
3021
עכשיו אני יודעת שאתה לא חייב להיות סטטיסטיקאי
07:14
to understand the power and the purpose of data,
147
434212
3001
כדי להבין את הכוח והמטרה של המידע
07:17
but you do have to treat people with respect and have compassionate care.
148
437237
4364
אבל אתה כן חייב להתייחס לאנשים בכבוד ובחמלה.
07:21
Now I know that when you've been graced,
149
441625
2825
עכשיו אני יודעת שכשאתה מלא חמלה,
07:24
it is your responsibility to empower somebody else.
150
444474
3376
זו האחריות שלך להעצים מישהו אחר.
07:27
But most importantly, now I know
151
447874
2425
אבל הכי חשוב, עכשיו אני יודעת
07:30
that when teaching human beings
152
450323
2413
שכאתם מכשירים בני אדם
07:32
to communicate with other human beings,
153
452760
3079
לתקשר עם בני אדם אחרים,
07:35
it should be delivered by a human being.
154
455863
3785
יש לעשות זאת על ידי בני אדם.
07:40
(Applause)
155
460117
6792
(מחיאות כפיים)
07:46
So when y'all go to work
156
466933
1849
אז כשכולכם תלכו לעבודה
07:48
and y'all schedule that "change everything" meeting --
157
468806
3335
וכולכם תקבעו את אותה פגישת "שינוי כללי" --
07:52
(Laughter)
158
472165
1650
(צחוק)
07:53
remember Miss Margaret.
159
473839
1515
תזכרו את מיס מרגרט.
07:55
And don't forget the food, the food, the food, the food.
160
475792
3819
ואל תשכחו את האוכל, האוכל, האוכל.
08:00
Thank you.
161
480103
1151
תודה רבה.
08:01
(Applause) (Cheers)
162
481278
5475
(מחיאות כפיים) (קריאות)
08:06
Thank you.
163
486777
1175
תודה רבה.
08:07
(Applause)
164
487976
1595
(מחיאות כפיים)
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7